Idee per le soluzioni
Questo articolo è un'idea di soluzione. Per espandere il contenuto con altre informazioni, ad esempio potenziali casi d'uso, servizi alternativi, considerazioni sull'implementazione o indicazioni sui prezzi, inviare commenti e suggerimenti su GitHub.
Questo articolo descrive come usare Azure Esplora dati e bus di servizio di Azure per migliorare un'architettura di Broker messaggi esistente con analisi quasi in tempo reale. È destinato a amministratori IT, cloud architect e team di monitoraggio e operazioni.
Architettura
Scaricare un file di Visio di questa architettura.
Il logo di Grafana è un marchio di Raintank, Inc., dba Grafana Labs. Nessuna verifica dell'autenticità è implicita nell'uso di questo marchio.
Il diagramma mostra due percorsi dati. Il percorso principale, rappresentato da linee solide e caselle da 1 a 5, è l'inserimento di dati da varie origini in un bus di servizio, in cui viene elaborato da un processo di analisi di flusso e archiviato in un database SQL. Il secondo percorso, rappresentato da linee e caselle tratteggiate, mostra il flusso di dati dal bus di servizio a un cluster Esplora dati di Azure, in cui è possibile eseguire query e analizzare tramite Linguaggio di query Kusto (KQL).
bus di servizio viene usato per implementare un Modello di livellamento del carico basato su coda per un'applicazione transazionale.
Azure Esplora dati viene usato per eseguire analisi quasi in tempo reale ed esporre i dati tramite API o query dirette, ad esempio Power BI, Grafana gestita di Azure o dashboard di Azure Esplora dati.
Flusso di dati
L'origine dati nell'architettura è un'applicazione OLTP (Online Transaction Processing) esistente. bus di servizio viene usato per scalare in modo asincrono l'applicazione.
L'applicazione OLTP (origine dati), ospitata nel servizio app Azure, invia i dati a bus di servizio.
I flussi di dati da bus di servizio in due direzioni:
Nel flusso dell'applicazione OLTP esistente attiva un'app per le funzioni per archiviare i dati in database SQL di Azure, Azure Cosmos DB o in un database operativo simile.
Nel flusso di analisi quasi in tempo reale attiva un flusso di orchestrazione.
Il flusso di orchestrazione invia i dati ad Azure Esplora dati per l'analisi quasi in tempo reale. Il flusso può usare:
- Un'app per le funzioni che usa gli SDK per inviare dati in micro batch o che usa il supporto per l'inserimento in streaming gestito fornito da Azure Esplora dati quando è configurato per l'inserimento in streaming.
- Un servizio di polling, ad esempio un'applicazione ospitata in servizio Azure Kubernetes (servizio Azure Kubernetes) o in una macchina virtuale di Azure, che invia dati ad Azure Esplora dati in micro batch. Questa opzione non richiede la configurazione dell'inserimento in streaming Esplora dati di Azure.
Azure Esplora dati elabora i dati, usando il mapping dello schema e i criteri di aggiornamento e lo rende disponibile tramite un'API, un SDK o un connettore per l'analisi interattiva o la creazione di report. Facoltativamente, Azure Esplora dati può anche inserire o fare riferimento a dati da altre origini dati, ad esempio database SQL o Azure Data Lake Archiviazione.
Applicazioni, servizi personalizzati o reporting services come dashboard di Azure Esplora dati, Power BI e Grafana gestiti di Azure possono eseguire query sui dati in Azure Esplora dati quasi in tempo reale.
Componenti
- servizio app consente di creare e ospitare app Web, back-end per dispositivi mobili e API RESTful nel linguaggio di programmazione preferito senza gestire l'infrastruttura.
- bus di servizio fornisce messaggistica cloud affidabile come servizio.
- database SQL è un database SQL completamente gestito creato per il cloud. Fornisce aggiornamenti automatici, provisioning, ridimensionamento e backup.
- Azure Cosmos DB è un database multimodello distribuito a livello globale per le applicazioni di qualsiasi scala.
- Funzioni di Azure è una piattaforma di calcolo serverless basata su eventi. Con Funzioni è possibile distribuire e operare su larga scala nel cloud e usare trigger e associazioni per integrare i servizi.
- Il servizio Azure Kubernetes è un servizio Kubernetes a disponibilità elevata, altamente sicura e completamente gestito per carichi di lavoro di applicazioni e microservizi.
- Azure Esplora dati è un servizio di analisi dei dati veloce, completamente gestito e altamente scalabile per l'analisi in tempo reale di grandi volumi di dati che vengono inviati da applicazioni, siti Web, dispositivi IoT e altro ancora.
- Data Lake Archiviazione, basato su Archiviazione BLOB di Azure, offre funzionalità data lake altamente scalabili.
- Power BI consente di trasformare i dati in informazioni dettagliate interattive coerenti e visivamente immersive.
- Grafana gestito di Azure è un servizio completamente gestito che consente di distribuire Grafana senza dedicare tempo alla configurazione.
Dettagli dello scenario
L'analisi in tempo reale è il processo di analisi dei dati non appena viene generato per ottenere informazioni dettagliate sullo stato corrente del sistema. Le organizzazioni stanno adottando sempre più analisi in tempo reale per ottenere un vantaggio competitivo. L'analisi quasi in tempo reale è una variante dell'analisi in tempo reale che fornisce informazioni dettagliate in pochi secondi o minuti di generazione dei dati.
Questi processi consentono alle organizzazioni di ottenere informazioni più rapide, prendere decisioni migliori e rispondere alle mutevoli condizioni in modo più efficace. L'analisi quasi in tempo reale può essere applicata a vari domini, ad esempio e-commerce, assistenza sanitaria, produzione e finanza. Ad esempio, un'azienda di e-commerce può usare analisi quasi in tempo reale per monitorare il comportamento dei clienti, ottimizzare i prezzi e personalizzare le raccomandazioni.
Molte organizzazioni implementano analisi quasi in tempo reale nelle soluzioni esistenti. Questa soluzione illustra come aggiungere analisi quasi in tempo reale a un'architettura esistente basata su un broker di messaggi e che fa parte di un'applicazione OLTP operativa.
OLTP è l'acronimo di Online Transaction Processing. Si tratta di un tipo di elaborazione dati che gestisce applicazioni orientate alle transazioni, in genere per l'immissione e il recupero di transazioni di dati in un ambiente in tempo reale. I sistemi OLTP sono progettati per elaborare transazioni piccole e veloci che sono spesso finanziarie, ad esempio transazioni bancarie o acquisti di carte di credito.
Potenziali casi d'uso
Ecco alcuni casi d'uso che illustrano i vantaggi dell'analisi quasi in tempo reale:
- Gli operatori sanitari possono tenere traccia dei risultati dei pazienti, rilevare anomalie e migliorare la qualità dell'assistenza.
- Le aziende manifatturiere possono ottimizzare la produzione, ridurre i rifiuti e prevenire i tempi di inattività.
- Gli istituti finanziari possono monitorare le transazioni, rilevare frodi, gestire i rischi e garantire la conformità alle normative.
- Le aziende commerciali possono monitorare le campagne e ottenere informazioni dettagliate per supportare la promozione.
- Le aziende possono monitorare, ottimizzare, analizzare e prevedere le catene di fornitura.
Collaboratori
Questo articolo viene gestito da Microsoft. Originariamente è stato scritto dai seguenti contributori.
Autore principale:
- Shlomo Sagir | Sviluppatore di contenuti senior
Altro collaboratore:
- Mick Alberts | Writer tecnico
Per visualizzare i profili LinkedIn non pubblici, accedere a LinkedIn.